AI 全栈工程课程

作品集优先的 AI 工程训练

通过留下证据来学完整技术栈。

这门课训练你做出别人能检查的 AI 应用：可运行代码、可复现环境、数据说明、模型证据、Prompt/RAG/Agent trace，以及清楚的边界。

13章

核心内容，从工具到开源模型交付

9章

主线内容，面向 AI 应用工程能力

3种语言

中文、英文、日文同步维护

1条项目线

贯穿课程，持续迭代

在记术语前，先看见输入、模型和输出。

第一周只需要 Python、Git 和一个项目文件夹。

把工具、数据、模型、LLM、RAG、Agent 和交付连成一条线。

选择一条项目线，设定节奏，然后进入第 1 章。

开发工具、Python、数据分析，以及让工作可复现的工程习惯。

实用数学、机器学习、深度学习、训练循环和调试信号。

LLM、RAG、API、工具调用、Agent、评估和面向生产的 trace。

计算机视觉、NLP、多模态工作流、AIGC、伦理和交付策略。

开源大模型计算路线、本地服务、评估、LoRA 判断和可复现运行手册。

学完主线后，你最强的项目应该能完整说明一个 AI 应用。目标不是背 AI 热词，而是证明你能把模型行为变成可用的产品工作流。

短读，跑起来，留证据。每个阶段结束时，都应该留下别人能检查的东西：README 命令、保存的输出、指标表、trace、失败笔记，或者一个小演示。这也是把学习转成作品集故事的方法。

把这一页的学习结果保存成第一张课程证据卡：